Robo-Advisors mindern Biases. Selbstüberschätzung bleibt

Robo-Advisors werden gern als technische Antwort auf ein zutiefst menschliches Problem verkauft: Emotionen. Die Grundidee lautet, dass ein Algorithmus dort nüchterner handelt, wo Anleger unter Druck zu Fehlentscheidungen neigen. Diese Idee ist nicht falsch. Eine 2025 in Acta Psychologica veröffentlichte Studie unter an der NYSE handelnden Privatanlegern zeigt, dass Robo-Advisors den Einfluss von Verfügbarkeitsbias, Preisanker, Verlustaversion und Repräsentativitätsbias auf Anlageentscheidungen signifikant abschwächen. Eine Ausnahme blieb jedoch bestehen: Selbstüberschätzung.

Gerade im deutschen Kontext ist diese Unterscheidung aufschlussreich. Der Markt für digitale Anlageprodukte wächst, gleichzeitig bleibt das hiesige Anlegerbild von methodischer Vorsicht, Risikosensibilität und einem starken Bedürfnis nach Transparenz geprägt. Das würde zunächst dafür sprechen, dass Automatisierung gut zum hiesigen Markt passt. Doch Genauigkeit in der Produktauswahl schützt nicht automatisch vor einem verzerrten Bild der eigenen Kompetenz. Genau dort liegt die offene Flanke.

Warum vier Biases relativ gut abzufangen sind

Die vier Biases, die Robo-Advisors vergleichsweise gut mindern, treten vor allem in der Reaktion auf Marktbewegungen auf. Verlustaversion verstärkt den Drang, in fallenden Märkten falsch auszusteigen. Ankereffekte sorgen dafür, dass Anleger an einem Einstandskurs festhalten, obwohl dieser für die aktuelle Bewertung keine saubere Referenz mehr darstellt. Verfügbarkeitsbias überhöht das Gewicht frischer Schlagzeilen. Repräsentativitätsbias wiederum verleitet dazu, kleine Muster vorschnell als große Regel zu lesen.

Ein gut gebauter Robo-Advisor greift genau an dieser Stelle ein. Er reagiert nicht emotional auf Nachrichten, er erinnert sich nicht sentimental an Kaufkurse, und er rebalanciert nicht nach Bauchgefühl, sondern nach vordefinierten Regeln. Das ist der eigentliche Vorteil algorithmischer Verwaltung: nicht Hellseherei, sondern Disziplin in der Ausführung.

Wie relevant dieser Mechanismus in Stressphasen sein kann, zeigte eine Untersuchung der University of Minnesota Carlson School. Während des durch Covid ausgelösten Markteinbruchs erzielten Nutzer von Robo-Advisors einen Performancevorteil von 12,67 Prozent gegenüber Anlegern ohne ein solches System. Der Grund war nicht, dass die Algorithmen den Markt besser vorhersagten. Sie passten vielmehr die Portfolios an geringere Risiken an, während viele menschliche Anleger in ihren bisherigen Mustern verharrten.

Warum Selbstüberschätzung anders funktioniert

Selbstüberschätzung ist jedoch kein Ausführungsfehler im engeren Sinn. Sie sitzt weiter vorne im Prozess. Sie zeigt sich, wenn Anleger ihre Risikotragfähigkeit zu hoch einschätzen, wenn sie den Fragebogen zur Geeignetheit in einer idealisierten Selbstdarstellung beantworten oder wenn sie die vorgeschlagene Allokation übersteuern, weil sie sich für überdurchschnittlich marktkompetent halten.

Die 2024 in Frontiers in Behavioral Economics veröffentlichte Übersichtsarbeit beschreibt genau dieses Problem. Robo-Advisors reduzieren die Abhängigkeit von schnellem, intuitivem System-1-Denken, können aber das menschliche Element in den Eingangsdaten nicht beseitigen. Wenn die Selbsteinschätzung bereits verzerrt ist, arbeitet der Algorithmus nicht gegen diese Verzerrung, sondern auf ihrer Grundlage. Er skaliert gewissermaßen einen Fehler, den er gar nicht selbst erzeugt hat.

Die glatte Oberfläche kann den Irrtum sogar verstärken

Gerade das macht die Sache heikel. Eine einfache, reibungsarme Benutzeroberfläche senkt nicht nur die Hürde für sinnvolle Automatisierung, sondern auch die Hürde für unnötige Eingriffe. Wer überzeugt ist, den Markt besser zu verstehen als der Durchschnitt, erlebt den Robo-Advisor häufig nicht als Korrektiv, sondern als Bestätigung der eigenen Strategie. Die Technik wird dann nicht als Gegenmacht zur eigenen Psyche genutzt, sondern als komfortables Werkzeug innerhalb derselben Psyche.

Die ältere Forschung zum Anlegerverhalten, auf die auch Arbeiten aus dem Umfeld der American Economic Association regelmäßig verweisen, legt die Kosten dieses Musters offen. In den bekannten Daten von Barber und Odean zu mehr als 35.000 Haushalten handelten die stärker zur Überkonfidenz neigenden Gruppen wesentlich häufiger; in der prominentesten Auswertung tradeten Männer 45 Prozent häufiger als Frauen und belasteten damit ihre Nettorenditen stärker. Entscheidend ist dabei nicht die Geschlechterfrage an sich, sondern der Zusammenhang zwischen übersteigertem Zutrauen und übermäßiger Aktivität.

Was gegen Selbstüberschätzung tatsächlich hilft

Die naheliegende Antwort lautet deshalb nicht: noch mehr Automatisierung. Plausibler ist strukturierte Reibung. Sinnvoll sind vorab formulierte Regeln, unter welchen Bedingungen Sie Ihre Allokation verändern dürfen und unter welchen gerade nicht. Hilfreich kann auch ein Prognosejournal sein, in dem Sie Markterwartungen mit Datum und Messgröße festhalten. Nüchterne Rückschau ist eines der wenigen wirksamen Gegenmittel gegen still wachsende Selbstüberschätzung.

Robo-Advisors sind damit keineswegs entzaubert. Sie lösen ein reales Problem und sie lösen es in vielen Fällen gut. Der Denkfehler liegt eher in der Vermarktung als biasfreie Lösung. Präziser wäre zu sagen: Sie reduzieren mehrere Biases, aber nicht den einen, der schon vor dem ersten Rebalancing entscheidet, welche Wahrheit das System überhaupt über Sie zu sehen bekommt. Genau deshalb kann Selbstüberschätzung trotz aller Automatisierung der teuerste Anlegerfehler bleiben.